目的 基于LASSO-logistic回归筛选脑出血(intracerebral hemorrhage,ICH)患者术后下肢静脉血栓发生的危险因素并构建临床预测模型.方法 选取2023年2月至2024年 4月北部战区总医院收治的768例自发性脑出血患者,根据1∶1比例随机分为训练集和验证集.在训练集病例中通过Lasso回归和单因素logistic回归筛选导致脑出血术后静脉血栓形成的可疑危险因素,通过多因素逐步logistic回归确定独立危险因素并构建模型.绘制列线图进行可视化展示,计算受试者工作特征(receiver operation characteristic,ROC)曲线下面积、绘制校准图对构建的模型进行评估,通过临床决策曲线分析(decision curve analysis,DCA)评价模型临床应用价值.结果 ICH后静脉血栓的发生与年龄、糖尿病、格拉斯哥昏迷量表(Glasgow Coma Scale,GCS)评分、血液纤维蛋白原含量相关(P<0.05),与血压、性别、饮酒、吸烟、和手术方式无关(P>0.05).模型的ROC曲线下面积为0.840(95%CI:0.773-0.907).校准曲线一致性良好、Hosmer-Lemeshow拟合优度检验χ2=9.596(P=0.384),表明该模型具有良好的区分度和校准度.DCA中,阈值概率在0.02和0.80之间预测模型具有良好的净获益.结论 高龄(>60岁)、糖尿病、GCS评分低、血液中纤维蛋白原含量(>4 g/L)为自发性脑出血术后下肢静脉血栓发生的独立影响因素,依此构建的预测模型具有良好临床应用价值.

目的:探讨超声联合外周血炎症指标预测肾透明细胞癌(ccRCC)世界卫生组织(WHO)/国际泌尿病理学会(ISUP)分级的价值.方法:收集芜湖市第二人民医院经手术病理证实的93 例ccRCC患者超声和临床资料,根据WHO/ISUP分级分为高级别组(25 例)和低级别组(68 例).单因素分析及多因素Logistic回归分析筛选预测ccRCC WHO/ISUP分级的独立影响因素,并构建联合预测模型,以列线图展示,校准曲线评估模型的校准度,5 折交叉验证评估模型的稳定性,决策曲线(DCA)评估模型的临床净获益.结果:单因素分析和多因素Logistic回归分析筛选出最大径、血流丰富、血小板淋巴细胞比值(PLR)为预测ccRCC WHO/ISUP分级的独立影响因素(P<0.05);列线图的AUC为0.925(0.868～0.982),预测效能优于各单变量(P<0.05).5 折交叉验证AUC为0.941,与列线图基本符合,具有临床获益.结论:超声联合外周血炎症指标构建的预测模型可有效预测ccRCC WHO/ISUP分级,基于此构建的列线图能将预测结果可视化.

目的:建立并评价脓毒症相关性急性肾损伤（S-AKI）患者3个月死亡风险的列线图预测模型。方法:基于美国重症监护医学信息数据库Ⅳ（MIMIC-Ⅳ），收集2008至2021年S-AKI患者的临床数据。初步纳入58个相关预测因素，以3个月内全因死亡为结局事件。按7∶3比例将数据分为训练集和验证集。在训练集中采用单因素Logistic回归分析初步筛选变量，运用多重共线性分析、Lasso回归和随机森林算法并结合临床应用价值进行变量选择，建立多因素Logistic回归模型并利用列线图进行可视化表达。在验证集中进行内部验证，评价模型预测价值；绘制受试者工作特征曲线（ROC曲线）计算曲线下面积（AUC）评价列线图模型及牛津急性疾病严重度评分（OASIS）、序贯器官衰竭评分（SOFA）、全身炎症反应综合征评分（SIRS）的区分度；校准曲线评价校准度；决策曲线分析（DCA）评估不同阈值概率下的净效益。结果:基于确诊后3个月时的生存状况将患者分为存活组7?768例（68.54%），死亡组3?566例（31.46%）。在训练集中通过多重筛选，最终纳入7个变量，即Logistic器官功能障碍评分（LODS）、Charlson合并症指数、尿量、国际标准化比值（INR）、呼吸支持方式、血尿素氮和年龄，并纳入列线图模型。在验证集中进行内部验证，ROC曲线分析显示，列线图模型的AUC为0.81〔95%可信区间（95% CI）为0.80～0.82〕，大于OASIS评分的0.70（95% CI为0.69～0.71），远大于SOFA评分的0.57（95% CI为0.56～0.58）和SIRS评分的0.56（95% CI为0.55～0.57），具有较好区分度。校准曲线显示列线图模型校准度优于OASIS、SOFA、SIRS评分。DCA曲线显示列线图模型在不同阈概率情况下的临床净收益均好于OASIS、SOFA、SIRS评分。 结论:基于MIMIC-Ⅳ临床大数据建立的一个包含7项变量的S-AKI患者3个月死亡风险预测列线图模型具有很好的区分度和校准度，为评估S-AKI患者预后提供了有效的新工具。

专家引言：上海交通大学医学院附属新华医院汪登斌教授指出，近年来，复旦大学附属肿瘤医院顾雅佳教授团队围绕乳腺癌诊治相关的影像研究，深耕影像组学与深度学习领域。他们聚焦于乳腺影像新技术、新方法及跨尺度融合数据挖掘的研究。作为乳腺多学科团队重要的一分子，该团队持续进行深度交流，积极推进多学科医工交叉合作，在乳腺癌的精准影像诊断上取得了一系列的研究成果，助力大数据时代下肿瘤影像的精准诊疗，为进一步推动临床应用转化夯实基础。顾雅佳教授团队围绕三阴性乳腺癌复旦分型，实现MRI组学的无创分型诊断，并挖掘模型背后的生物学科解释性；围绕关键基因及分子的可视化，通过影像组学实现无创预测并关联多组学数据验证，探索潜在治疗靶点；针对新辅助疗效的精准预测，创新性融合影像组学和体细胞突变特征，构建新辅助化疗的病理完全缓解的预测模型，并探究高频基因突变与耐药事件之间的关联。同济大学医学院同济医院王培军教授指出，以影像为主导的跨尺度多组学研究，以多组学为驱动，为乳腺肿瘤的演进发展提供影像学依据，是大数据时代下乳腺肿瘤影像研究的新方向。顾雅佳教授团队探寻影像肿瘤内异质性的潜在治疗策略，挖掘基于宏观影像对分子靶点可视化的关键特征，并创新性将热门的MRI组学与突细胞突变特征相融合构建新辅助化疗的疗效预测模型，在精准分型和关键分子的可视化基础上，指导乳腺癌的精准诊疗，为临床转化提供了新的前景。

目的:构建下肢动脉硬化闭塞症(LEASO)介入疗效的预测模型并进行效能评价，预测下肢动脉硬化闭塞症患者介入治疗的效果。方法:回顾性分析238例下肢动脉硬化闭塞症患者资料，其中男性188例，女性50例，年龄35～88岁，平均68岁。根据7∶3比例简单随机分为训练集( n＝166)与测试集( n＝72)，并在训练集及测试集中根据是否发生不良预后，分为MALEs组和非MALEs组，训练集及测试集MALEs组分别为67例及26例，非MALEs组分别为99例及46例；在训练集中通过LASSO回归筛选出对于结局事件最重要的变量，作为模型的预测指标纳入到多因素Logistic回归中，构建预测模型并使用列线图可视化处理，并使用训练集及测试集的数据对模型效能进行检测。 结果:通过LASSO回归选择出全身免疫炎症反应指数(SIIRI)、Rutherford分级>4级、膝下动脉段分级(IP)>1级、踝下动脉段分级(P)≥1级作为模型的预测指标，构建回归模型。模型在训练集和测试集的数据中曲线下面积、敏感度、特异度分别为0.813、80.6%、72.7%和0.764、65.4%、80.4%，校准曲线与期望基本一致，模型的决策曲线在训练集及测试集的阈值概率为0～0.79和0～0.66的范围内时，模型在临床上应用的准确性、净获益率最高。结论:通过患者术前的Rutherford分级、IP分级、P分级及SIIRI构建的预测模型可以早期识别MALEs的高危人群并针对性的强化治疗，有助于改善此类患者的预后，在临床中具有一定价值。

目的:基于术前炎性标志物Nomogram建立Ⅰ~Ⅲ期胃癌患者术后的生存预测模型。方法:收集2015年5月至2016年10月河南省肿瘤医院普外科收治的1 035例胃癌患者的临床病理及生存随访资料，采用 COX回归方法建立Nomogram模型。采用受试者工作特征曲线（ROC）、一致性指数（C-index）、校准曲线以及临床决策曲线（DCA）验证该模型的性能。结果:本组1 035例患者中中性粒细胞与淋巴细胞比值（NLR）170例升高，865例降低；血小板与淋巴细胞比值（PLR）562例升高，473例降低；纤维蛋白原与白蛋白比值（FAR）108例升高，927例降低；预后营养指数（PNI）180例升高，855例降低；TNM分期Ⅰ期267例，Ⅱ期334例，Ⅲ期434例。多因素回归分析显示：肿瘤部位、有无脉管癌栓、pTNM分期、FAR、PNI及NLR是影响患者总生存期（OS）的独立危险因素。ROC曲线显示该Nomogram模型的3年和5年AUC分别为0.773和0.846；C-index为0.723（95% CI：0.710~0.736），优于AJCC第8版pTNM分期0.693（95% CI：0.681~0.705），校准曲线显示其3年和5年OS与实际观测结果有较好的一致性；DCA决策曲线结果显示，与第8版pTNM分期系统相比，在预测患者的3年和5年OS方面拥有更高的净收益。 结论:本研究建立并验证了针对Ⅰ~Ⅲ期胃癌患者术后的预后预测系统，以可视化的Nomogram模型预测患者的3年和5年OS，具有良好的预测性能和临床应用价值。

目的:分析胰腺实性假乳头状瘤(SPTs)与无功能性胰腺神经内分泌肿瘤(PNETs)的磁共振成像表现，建立并验证SPTs与PNETs的预测模型。方法:连续性收集2013年1月至2020年12月间海军军医大学第一附属医院行手术切除且术后经病理确诊的142例SPTs和137例PNETs患者的临床及MRI资料，记录患者的年龄、性别、体重指数(BMI)，病灶大小、位置、形状、边界、是否囊变、T 1WI信号、T 2WI信号、强化峰值期相、峰值期强化程度是否高于胰腺实质、强化方式，胰胆管是否扩张、胰腺是否萎缩、是否侵犯邻近器官及血管。依据国际预测模型建模共识，将患者分为训练集(2013年1月至2018年12月间106例SPTs和100例PNETs)和验证集(2019年1月至2010年12月间36例SPTs和37例PNETs)，对训练集和验证集患者的上述特征进行单因素及多因素logistic回归分析，建立预测模型鉴别SPTs与PNETs，并可视化为列线图。绘制训练集及验证集列线图的受试者工作特征曲线(ROC)，计算曲线下面积(AUC)、灵敏度、特异度、准确率评价模型的预测效能，采用决策曲线分析评估预测模型的临床应用价值。 结果:单因素回归分析结果显示，训练集SPTs组与PNETs组间年龄、性别、病灶大小及形状、囊变、T 1WI信号、强化峰值期相、峰值期强化程度、强化方式、侵犯邻近器官差异均有统计学意义( P值均<0.05)。多因素回归分析结果显示，年龄越大、男性患者、病灶越小、T 1WI不含高信号、强化峰值期相位于动脉期或静脉期、峰值期强化程度高于胰腺实质是诊断PNETs的6个独立预测因素。利用这6个因素建立预测模型，预测PNETs概率的公式为4.31+1.13×年龄+1.31×肿瘤大小-1.29×女性-4.18×T 1WI呈高信号+1.28×强化高于胰腺实质-4.69×延迟期强化。预测模型经可视化为列线图，在训练集和验证集的AUC值分别为0.99(95% CI 0.977~1.000)和0.97(95% CI 0.926~1.000)，在训练集的灵敏度、特异度、准确率分别为98.00%、94.34%、96.12%，在验证集的灵敏度、特异度、准确率分别为86.49%、97.22%、91.78%。决策曲线分析结果显示，利用预测模型可以准确诊断SPTs和PNETs。 结论:本研究建立的列线图预测模型可以准确地鉴别SPTs与PNETs，为临床决策和患者预后提供重要信息。

目的:探讨结核性脑膜炎（TBM）患者预后不良的危险因素并构建预测其发生的列线图模型。方法:选择解放军联勤保障部队第九四〇医院神经内科自2010年1月至2022年2月收治的358例TBM患者为研究对象，使用简单随机抽样法将其按8∶2比例分为建模组（287例）和验证组（71例）。回顾性收集患者的临床资料，应用最小绝对收缩和选择算子（LASSO）回归分析及多因素Logistic回归分析等方法筛选TBM患者预后不良的独立危险因素，并以列线图方式将各独立危险因素可视化。采用Bootstrap法，重复抽样1 000次对模型进行自身内部验证，应用验证组数据对模型进行外部验证，通过受试者工作特征（ROC）曲线下面积、绘制校准曲线及Hosmer-Lemeshow拟合优度检验评价模型的鉴别力和校准能力。结果:多因素Logistic回归分析显示精神行为异常（ OR=3.593，95% CI：1.790~7.211， P<0.001）、肢体无力（ OR=3.087，95% CI：1.551~6.144， P=0.001）、肺部感染（ OR=5.162，95% CI：2.373~11.227， P<0.001）、改良英国医学研究委员会（mBMRC）分期Ⅱ期（ OR=4.291，95% CI：2.037~9.039， P<0.001）、mBMRC分期Ⅲ期（ OR=13.073，95% CI：3.352~50.975， P<0.001）是TBM患者预后不良的独立危险因素。自身内部验证及外部验证的ROC曲线下面积提示一致性指数分别为0.880、0.823，校准图显示校准曲线与理想曲线吻合较好，具有良好的Hosmer-Lemeshow拟合优度（ P=0.546、 P=0.401）。 结论:基于精神行为异常、肢体无力、肺部感染、mBMRC分期这4个因素构建的列线图预测模型有助于预测TBM患者预后不良的发生。

目的:以“超声在麻醉、疼痛和重症医学中的应用”课程为例，构建临床医学专业课程学习者画像模型。方法:梳理临床医学专业课程学习者画像模型构建框架及流程，对多来源学习者数据进行收集及预处理。利用Python 3.9编程语言进行统计分析、自然语言处理、聚类分析，并以可视化技术呈现，构建机器学习预测模型并评估模型预测效能。结果:从学习背景、兴趣偏好和行为效果3个维度构建临床医学专业课程学习者画像模型。学习背景画像揭示了学习者基本信息、认知基础和学习动机。兴趣偏好画像分析了学习目的与其他选课信息，根据内容关注程度、学习效果影响因素识别出3类不同的学习者群体。行为效果画像通过构建4种机器学习算法预测模型实现了对课程考试成绩的分类预测，结果显示朴素贝叶斯算法效果最佳，准确率为0.80、F1分数为0.79，受试者工作特征（receiver operating characteristic，ROC）曲线下面积（area under the curve，AUC）为0.79（ P=0.035），与其他算法差异有统计学意义。 结论:本研究构建了临床医学专业课程学习者画像模型并开展实证研究，画像结果对教学内容、教学方式与教学团队、学习效果预测提供了指导建议。

目的:分析血清血红素加氧酶（HO）-1表达量对非酒精性脂肪性肝病（NAFLD）的临床应用价值，并以此为基础联合葡萄糖调节蛋白（GRP）78建立诊断模型，明确其诊断NAFLD的效能及应用价值。方法:共纳入经腹部B超及肝脏弹性成像技术检测确诊的210例NAFLD患者，同时收集170名健康对照人群。采集研究对象的一般临床资料、外周血细胞计数及生化指标，应用酶联免疫吸附法对HO-1与GRP78表达水平进行检测。采用多因素分析筛选NAFLD的独立危险因素，通过Nomogram图进行可视化输出，并构建诊断模型；采用受试者操作特征曲线（ROC）、校准曲线及决策曲线分析（DCA）评估其诊断NAFLD的效能。计量资料数据采用 t检验或Mann-Whitney U秩和检验检测组间数据差异；计数资料采用Fisher精确概率法检验或Pearson χ2检验进行分析。 结果:与健康对照组相比，NAFLD组患者白细胞计数、天冬氨酸转氨酶（AST）、丙氨酸转氨酶、γ-谷氨酰转移酶（GTT）、空腹血糖（Glu）、甘油三酯（TG）、低密度脂蛋白胆固醇（LDL-C）、血清HO-1、GRP78水平均显著升高( P值均?